搜索
Runway发布首个界面世界模型Solaris，基于Gen-4.5视频生成模型与GWM-1世界模型技术，用户通过点击、拖拽或输入文本即可实时生成交互界面而无需编写代码，该系统还可用于训练Computer Use Agent。
针对这一挑战，腾讯内容服务部 BAC 提出了一个名为 ProLaViT（Progressive Latent Visual Thought） 的全新框架。它的核心思想是：别急着下结论，先在连续隐空间里像人一样「步步推导」。 即让模型遵循 「定位 → 聚焦 → 分离」（Locate → Focus → Isolate） 的因果链，逐步收紧视觉注意力，最终精准锁定目标。
想训练能自动操作手机的GUI（图形用户界面）智能体，总会遇到两难困境：
谢赛宁团队的最新视频世界模型 Solaris，首个多人视频世界模型，能够同时生成多个玩家之间保持一致的第一视角。研究团队发现，目前的视频世界模型仅能处理单人视角，这并不能反映现实世界的真实运作方式，希望能够能够实现多人同步观察一个统一世界。于是，研究团队把视角投向了电子游戏。
00后AI创业潮来袭！华人女生MIT辍学创业，拿下融资2100万美元（折合人民币1.5亿元）。 公司直接剑指RPA（机器人流程自动化）界的Copilot。
AI现在可以帮你生成音乐，把自拍照变成文艺复兴风格的肖像画，甚至能帮你预订晚餐。但如果你让它处理发票对账、订单录入或者文件验证，它就开始抓瞎了，最后这些活还是得靠某个打开了15个浏览器标签页、有着超强耐心的员工来完成。
SOLAMI是一个创新的VR端3D角色扮演AI系统，用户可以通过语音和肢体语言与虚拟角色进行沉浸式互动。该系统利用先进的社交视觉-语言-行为模型，结合合成的数据集，提供更自然的交流体验，超越了传统的文本和语音交互。
HuggingFace开源大模型排行榜，又被屠榜了。